적응 필터의 입력 신호의 상관도 (correlation)가 클 경우 LMS 알고리즘의 수렴 속도는 상당히 느려지게 된다. 본 논문에서는 입력 신호의 상관도가 높은 상황에서 수렴 속도를 향상시킬 수 있는 적응 필터링 알고리즘을 제안한다. 입력 신호에 대하여 직교성을 가지도록 변환을 인위적으로 가하여 LMS 알고리즘의 한계를 극복한다. 제안한 알고리즘의 성능 향상은 시스템식별 모델을 통하여 그 수렴 속도의 개선을 확인하며 또한 시변 환경 하에서 적응 필터의 시변 추적 능력을 통해 보여 진다.
It is well-blown that the convergence rate gets worse when an input signal to an adaptive filter is correlated. In this paper we propose a new adaptive filtering algorithm that makes the convergence rate much improved even for highly correlated input signals. By introducing an orthogonal constraint between successive input signal vectors we overcome the slow convergence problem of the LMS algorithm with the correlated input signal. Simulation results show that the proposed algerian yields fast convergence speed and excellent tracking capability under both time-invariant and time-varying environments, while keeping both computation and implementation simple.
